Niniejszy raport jest poświęcony analizie globalnego poziomu szczęścia w roku 2019, opartej na danych zgromadzonych w ramach World Happiness Report, dostępnych na stronie World Happiness Report. Celem tej analizy jest zrozumienie, które czynniki mają największy wpływ na poziom szczęścia w różnych krajach oraz jak te czynniki korelują z innymi wskaźnikami społeczno-ekonomicznymi.
Dane dotyczące szczęścia zostały wczytane z publicznie dostępnych źródeł i poddane procesowi wstępnego czyszczenia i normalizacji. Wszystkie operacje przetwarzania danych zostały wykonane przy użyciu narzędzi z pakietu tidyverse, co zapewniło większą efektywność.
# Import danych dotyczących szczęścia
data_happiness <- read.csv("C:/Users/mateu/OneDrive/Dokumenty/R laby/hap_word_2019.csv", header = TRUE, sep = ",")
# Przygotowanie mapy świata
global_map <- st_as_sf(map("world", fill = TRUE, plot = FALSE))
# Modyfikacja i ujednolicenie nazw krajów
data_happiness <- data_happiness %>%
rename(nation = Country.or.region) %>%
mutate(nation = case_when(
nation == "United States" ~ "USA",
nation == "United Kingdom" ~ "UK",
nation == "Congo (Brazzaville)" ~ "Democratic Republic of the Congo",
nation == "Congo (Kinshasa)" ~ "Republic of Congo",
TRUE ~ nation
))
# Łączenie danych z mapą świata
world_happiness <- global_map %>%
left_join(data_happiness, by = c("ID" = "nation")) %>%
st_transform(crs = 4326) %>%
rename(nation=ID)
# Ustawienie palety kolorów
color_scheme <- colorNumeric(palette = "Blues", domain = world_happiness$Score)
labels <- sprintf("<strong>Country: </strong>%s<br><strong>Score: </strong>%g", world_happiness$nation, world_happiness$Score) %>% lapply(htmltools::HTML)
Mapa szczęścia, która została wygenerowana w ramach tego projektu, wykorzystuje odcienie kolorów niebieskich do przedstawienia poziomu szczęścia w różnych krajach. Im ciemniejszy odcień niebieskiego, tym wyższy poziom zadeklarowanego szczęścia.Dodatkowo wprowadzono elementy interaktywne takie jak pojawianie się etykiet z poziomem szczęścia przy najechaniu na dane państwo.Wizualizacja ta pozwala na szybką ocenę globalnego rozkładu szczęścia i jest kluczowym narzędziem do dalszej analizy trendów i zależności.
# Tworzenie mapy z danymi na temat szczęścia
happiness_map <- leaflet(world_happiness) %>%
setView(lng = 0, lat = 30, zoom = 2) %>%
addProviderTiles(providers$CartoDB.Positron) %>%
addPolygons(
fillColor = ~color_scheme(Score),
fillOpacity = 0.8,
color = "gray",
weight = 1.5,
highlightOptions = highlightOptions(
weight = 5,
color = "#555",
fillOpacity = 0.9,
bringToFront = TRUE
),
label = labels,
labelOptions = labelOptions(style = list("font-weight" = "normal"), textsize = "14px", direction = "auto")
) %>%
addLegend(title = "Happiness Score", pal = color_scheme, values = ~Score, position = "bottomright") %>%
addMarkers(lng = 27, lat = 62, popup = "<strong>Top rated: </strong> Finland")
# Wyświetlenie gotowej mapy
happiness_map
Na podstawie przeprowadzonej analizy i wizualizacji danych można zaobserwować wyraźne zróżnicowanie poziomu szczęścia między różnymi regionami świata. Kraje skandynawskie, takie jak Finlandia, Norwegia i Dania, zdecydowanie zajmują czołowe pozycje w rankingu, co świadczy o wysokim poziomie życia, rozbudowanych systemach wsparcia społecznego oraz stabilności ekonomicznej tych krajów. W przeciwieństwie do tego, kraje z regionów takich jak Afryka Subsaharyjska często znajdują się na niższych miejscach w rankingu, co może być odzwierciedleniem trudniejszych warunków ekonomicznych i społecznych.
Wnioski płynące z tej analizy wskazują na silną korelację między poziomem szczęścia a czynnikami takimi jak PKB per capita, wsparcie społeczne, oczekiwana długość życia w zdrowiu, wolność do podejmowania życiowych wyborów, hojność oraz percepcje korupcji. Te wyniki podkreślają znaczenie polityki społecznej i ekonomicznej w kształtowaniu warunków, które sprzyjają szczęściu i dobrobytowi obywateli.